FastH3 Omni
O FastH3 Omni é uma versão destilada e de pesos abertos do MiniMax H3 para vídeo com som guiado por referências, lançada pelo FastVideo (Hao AI Lab) em 20 de outubro de 2026. Ele transforma um prompt com imagens, clipes de vídeo e voz de referência em um clipe com áudio sincronizado em 8 passos em vez de 50, e o FastVideo relata latência 5,6–11,9× menor que a do modelo base. A GoEnhance não hospeda o FastH3 Omni; o console abaixo executa o modelo completo de referência para vídeo do MiniMax H3, do qual ele foi destilado.
@1
@2
@3
MiniMax H3
Imagens de referência
@1
@2
@3
@4
Adicione de 1 a 4 imagens: uma pessoa, um pet, um produto ou um lugar. No prompt, chame-as de @[image1], @[image2]… nesta ordem.
Instrução
Prompts de exemplo
Ao enviar um arquivo, você concorda com os Termos de Uso e a Política de Privacidade da GoEnhance
O que o FastH3 Omni oferece
8 passos em vez de 50
O FastH3 Omni é um modelo aluno de poucos passos do MiniMax H3: cada clipe exige oito avaliações do transformer, contra 50 no modelo base. Em 27 cargas de trabalho equivalentes com oito GPUs NVIDIA GB200, o FastVideo mediu latência de ponta a ponta 5,6–11,9× menor. O número de destaque, cerca de 12×, é o melhor caso: um clipe de 15 segundos gerado a partir de um único vídeo de referência curto.
Referências para rostos, cenários, movimento e voz
Diferente do FastH3 anterior, que fazia apenas texto para vídeo e imagem para vídeo, o Omni mantém o modo de referência para vídeo do H3. Você pode combinar imagens de referência, clipes de vídeo e uma referência de voz em um único prompt; o FastVideo testou configurações de uma única imagem até 9 imagens mais 3 clipes.
Vídeo e som de uma só vez
Assim como o MiniMax H3, o FastH3 Omni gera imagem e áudio estéreo sincronizado ao mesmo tempo. Os exemplos do FastVideo têm 24 fps e durações de 5, 10 e 15 segundos.
Funciona em GPUs Blackwell e RTX
Além das GPUs de data center, o FastVideo disponibiliza pesos NVFP4 treinados para Blackwell, com receitas para DGX Spark e RTX 5090 que usam 480p por padrão, e uma receita FP8 para RTX 4090 com descarregamento camada por camada.
Pesos abertos, código de treinamento e ComfyUI
Os pesos estão no Hugging Face, na coleção FastVideo/fasth3-omni, incluindo pacotes FP8 e NVFP4 para ComfyUI, e a receita de treinamento está no repositório do FastVideo. Segundo o FastVideo, o treinamento levou cerca de 7.800 horas de GPU em 64 NVIDIA B300.
FastH3 Omni vs FastH3 vs MiniMax H3
Como criar vídeos com referências como o FastH3 Omni na GoEnhance
01
Envie suas referências
Adicione até 9 imagens de personagens, produtos e lugares. Você também pode adicionar um clipe de vídeo para o movimento e até 3 clipes de áudio para voz ou som, cada um com 2 a 15 segundos.
02
Marque-as no prompt
Mencione cada referência pela sua tag, como @[image1], e descreva a ação, a câmera e o que se ouve. Coloque as falas entre aspas.
03
Escolha duração, formato e qualidade
Escolha de 5 a 15 segundos, uma proporção de 16:9 a 9:16 e 720p ou 1080p.
04
Gere e ajuste
O MiniMax H3 gera o clipe com som nativo. Ajuste o prompt ou troque uma referência e gere de novo.
Talvez você queira saber
O que é o FastH3 Omni?
Quanto o FastH3 Omni é mais rápido que o MiniMax H3?
A qualidade é a mesma do MiniMax H3?
Qual é a diferença entre o FastH3 Omni e o FastH3?
Posso executar o FastH3 Omni na minha própria GPU?
O FastH3 Omni funciona no ComfyUI?
O FastH3 Omni é de código aberto?
Posso usar o FastH3 Omni na GoEnhance?
Os exemplos desta página foram feitos com o FastH3 Omni?
Mais modelos da MiniMax e de vídeo com referências
Dirija uma cena a partir das suas referências
Combine personagens, lugares, um clipe de movimento e uma voz, e deixe o MiniMax H3 transformá-los em um vídeo com som. Sem GPU nem configuração.
Experimente referência para vídeo com o MiniMax H3